Recommender Systems Handbook读书笔记之7

Recommender Systems Handbook读书笔记之7

《Recommender Systems
Handbook》,市面上不多的关于引进系统的写有。2010年10月出版,英文版。目前还尚无中文版,估计有中文版的可能不很,读者数量极其少了。全书871页,比较看重。Amazon.com上立即按照开还未曾读者评论,看来在英语世界里“推荐系统“这个主题也相对比冷。

旋即本开纯属断续续看了三单月。总体感觉还是怪对。由同丛相关领域的研讨人口集体编写,每一样节还起几乎员研究者负责。

全书共划分五多数:
1:基础技术,介绍各种推荐算法。
2:具体以及其评估
3:与引进系统相互
4:推荐系统以及社群
5:高级算法

有数有的较基础,后面三个组成部分相对来说去实际用远有,许多情还地处研究着。

以下是读书过程中之有的摘抄(大部分是打前6篇笔记中复制过来的)

开中第一章是全书介绍,其中总结了引进系统的用途如下:

1:增加产品销售量;
2:销售更多品类的成品。推荐系统可以推荐起用户可能理所当然不会见错过顾的其他门类的商品;
3:提高用户满意度;
4:提高用户忠诚度;
5:更好地了解用户需要;
6:找到有良之出品;
7:找到任何佳的制品;某些场景(比如一些临床或财务的采用)需要找到周的宜的出品;
8:对活开注解,比如在电视推荐系统面临证什么节目值得看;
9:推荐系列产品;
10:推荐打包产品;
11:只看不打,这种光景下还可引进来相当用户兴趣的产品;
12:找到可信的引进系统:有时候用户不相信系统的推荐,有些则可以供部分意义让用户失去测试其的引进结果;
13:改善用户资料:通过引进系统可理解再也多之用户的喜欢好;
14:自我表达:有些用户喜爱表达好对活之眼光;
15:帮助别人;
16:影响他人;

其次段:推荐系统遭到采取的数码挖掘方法,分为:数据处理(相似度度量、抽样、降维、降噪)、分类(具体算法有新近紧邻、决策树、基于规则之归类、贝叶斯分类、人工神经网络、支持为量机)、聚类分析、关联规则挖掘
其三回:基于内容的引进系统:State of the Art and Trends。
季节:基于近邻的推荐方法概览。

以下一聊段内容选择译自第四回:

发出三栽档次的音信寻找:
1:搜索对象清晰而甄别;
2:搜索对象不可知被全描述,但是可以叫一眼认出;
3:以意想不到之、偶然的办法获取信息;

第五段:协同过滤中之精益求精;
第六回:开发基于约束之推荐器;

以下内容摘自第六节:

风土人情推荐方式(基于内容之过滤和一起过滤)对于书写,电影,新闻之类的活是非常适合的。但是当汽车,电脑,房产,财务服务等世界的推介着莫是绝好的办法。比如房产的买卖数而少生多,某个产品未易于收集及大气底用户评价。并且,用户对依据数年前之成品特性的引进会格外不合意。
据悉知识之引荐系统可以解决就类题材,并且根据知识之推介系统绝非冷启动(新产品得不交推介)的题材。当然,知识获取是马上类系的瓶颈。

第七章:上下文感知的推荐系统:常规推荐系统才考虑user和item,上下文感知的引进系统虽然觉得“上下文信息”也需考虑。比如旅游网站的推荐,冬天跟夏应该发生格外十分不同;再按新闻网站的引进用考虑时间,工作日用户还愿关注时事新闻和股市信息,周末虽然再愿意关注电影评论与购物信息;
第八节:评估推荐系统

第九回:一个IPTV服务供应商的引进系统:一个宽广产品环境。介绍一个电视点播系统被的推荐系统。挑战是亟需实时,同时又无法判定操作遥控器的用户的身价(解决方案是依据日段来区分用户)
第十段:如何以实验室之外得到推荐系统:介绍搭建实际运用之推荐系统要考虑的点;
第十一段:匹配推荐技术及天地:介绍不同采取场景下适用的推荐技术和算法;
第十二章:Technology Enhanced Learning中的引进系统;

第十三章节:对于评价推荐系统(Critiquing
Recommenders)的评估。所谓评论推荐系统,是依据用户的评价来调动推荐内容之网。
第十四段:创建更可信之、更发生说服力的推介系统:原始特征对推荐系统评估的影响
第十五章节:为推介系统规划、评估“推荐系统被用户的说”(Designing and
Evaluating Explanations for
Recommender Systems)
第十六节:对“基于点评研究的产推荐系统”的可用性的点拨
第十七回:基于地图的产品类别可视化
第十八章:个性化web搜索中的社群、协同与引进系统
第十九段:社区tag推荐系统
第二十章:信任及推荐
第二十一回:团体推荐系统:合并个体模型
第二十二节:聚集推荐系统受到的参数
第二十三段:推荐系统受之实时学习
第二十四回:多独评比标准的推介系统
第二十五节:健壮的推荐